PHP strlen统计特殊字符长度异常：原因分析及解决方案

算力阿峰

2026-5-9

嘿，这个问题我之前处理过不少，咱们先把根源搞清楚，再一步步解决：

为什么`strlen()`无法正确获取长度？

核心原因是PHP的strlen()是按字节数统计，而不是逻辑字符数：

现在绝大多数项目都用UTF-8编码，而UTF-8里很多特殊字符（比如你提到的”、“，还有中文、emoji等）都是多字节的：比如右双引号”（Unicode U+201D）在UTF-8中占3个字节，左双引号“也是3字节。
如果你的字符串里是这类Unicode字符，strlen()返回的是总字节数，而不是你直观理解的“字符个数”。比如两个这样的引号，strlen()会返回6，但实际字符数是2——这就和数据库character varying字段按字符数统计的逻辑不匹配，导致判断错误。
另外，你提到的HTML实体（比如”）本身是由多个ASCII字符组成的序列（比如”是7个ASCII字符），如果这些实体没被解码就存入数据库，数据库会把每个字符单独计数，这也会导致长度远超预期。

针对特殊字符的解决方案

这里分几个关键步骤来处理：

1. 用`mb_strlen()`替代`strlen()`统计字符数

PHP的mb_*系列函数是专门处理多字节字符的，mb_strlen()可以指定编码来统计逻辑字符数，完全匹配数据库的字符计数逻辑：

// 统计UTF-8编码下的字符数
$char_count = mb_strlen($string, 'UTF-8');

这样得到的数字就是数据库character varying字段会统计的字符数，用来判断是否超限就准确了。

2. 正确处理HTML实体

如果用户输入里包含HTML实体（比如”、"），建议先解码成实际的Unicode字符再存入数据库：

// 解码HTML实体为UTF-8字符，同时处理单双引号
$decoded_string = html_entity_decode($string, ENT_QUOTES | ENT_HTML5, 'UTF-8');

这样既可以减少字符数（比如一个”解码后变成1个字符），也能让数据库存储的内容更符合用户输入的原意。

3. 统一全链路编码为UTF8mb4

确保你的PHP脚本、数据库连接、数据库表都使用UTF8mb4编码（比标准UTF-8支持更多Unicode字符，比如emoji）：

数据库表字段设置：character varying(n) CHARACTER SET utf8mb4
PHP连接数据库时指定编码（以PDO为例）：

$pdo = new PDO('mysql:host=localhost;dbname=your_db;charset=utf8mb4', $user, $pass);

这样可以避免编码转换过程中出现的字符乱码或长度异常。

4. 安全截断超长字符串

如果需要截断字符串以符合数据库字段长度，用mb_substr()替代substr()，避免截断到半个字符导致乱码：

// 截断为最多255个UTF-8字符（假设字段是varchar(255)）
$safe_string = mb_substr($decoded_string, 0, 255, 'UTF-8');

5. 用参数化查询处理特殊字符（防止SQL注入）

对于用户输入的撇号、引号等特殊字符，不要手动转义，而是用数据库的参数化查询（Prepared Statements）来处理，既安全又能保留原始字符：

// PDO参数化查询示例
$stmt = $pdo->prepare("INSERT INTO your_table (content) VALUES (:content)");
$stmt->bindParam(':content', $safe_string);
$stmt->execute();

内容的提问来源于stack exchange，提问作者Devin Dixon